#machine-learning Repositories
Insgesamt 2,070 Repositories
Eine Sammlung von Skripten und Notebooks, um Ihnen einen schnellen Einstieg zu ermöglichen.
Abschlussprojekte sind ein wichtiger Bestandteil der akademischen Laufbahn eines Studenten, insbesondere in den Bereichen Ingenieurwesen, Informatik und anderen technischen Disziplinen. 50 Abschlussprojekte umfassen Quellcode, PPT, Synopsis, Bericht, Dokumente, grundlegende Forschungsarbeiten und Video-Tutorials.
Vorlesungsunterlagen, Tutorienaufgaben inklusive Lösungen sowie Online-Videos für den Kurs über bestärkendes Lernen, veranstaltet von der Universität Paderborn
:basketball::robot::basketball: KI-Web-App und API zur Analyse von Basketballschüssen und Wurfposen.
„Deep Learning von Grund auf 2“ (O'Reilly Japan, 2018)
Zeitreihen-maschinelles Lernen in großem Maßstab. Entwickelt mit Polars für leicht parallelisierbare Merkmalsextraktion und Vorhersagen auf Paneldaten.
Eine ComfyUI-Erweiterung, die die Abfrage von Booru-Tags aus Bildern ermöglicht.
⭐ ⭐ Verwenden Sie ML, um Flows und Pakete als gutartig oder bösartig zu klassifizieren. ⭐ ⭐
Eine einfache und gut gestaltete PPO-Implementierung. Basierend auf meiner Medium-Serie: https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8.
DeepRec ist ein leistungsstarkes Deep-Learning-Framework für Empfehlungen, das auf TensorFlow basiert. Es wird in der Inkubation der LF AI & Data Foundation gehostet.
Variational Autoencoder implementiert in TensorFlow und PyTorch (einschließlich inverser autoregressiver Fluss)
🌝 MLKit ist ein leistungsstarkes und einfach zu bedienendes Toolkit. Mit ML Kit können Sie Funktionen wie Texterkennung, Barcode-Erkennung, Bild-Labeling, Gesichtserkennung, Objekterkennung usw. ganz einfach implementieren.
Schnelle Audio-Datenerweiterung in PyTorch. Inspiriert von audiomentations. Nützlich für Deep Learning.
Ein Python-Framework für die Bewertung von Sequenzkennzeichnung (Named-Entity-Erkennung, POS-Tagging usw...)
[NeurIPS 2020] Offizieller Code für die Arbeit „DeepSVG: A Hierarchical Generative Network for Vector Graphics Animation“. Enthält eine PyTorch-Bibliothek für Deep Learning mit SVG-Daten.
Werkzeuge für die Verarbeitung multimodaler Daten in Machine-Learning-Projekten.
Schnelle differenzierbare Tensorbibliothek in JavaScript und TypeScript mit Bun + Flashlight
:muscle: Qualitäts- und Leistungsmetriken der Modelle (R2, ICC, LOO, AIC, BF, ...)
Eine kuratierte Liste von Blockchain-Projekten für Künstliche Intelligenz und Machine Learning
NVTabular ist eine Bibliothek für Feature Engineering und Vorverarbeitung von tabellarischen Daten, die entwickelt wurde, um Terabyte-große Datensätze schnell und einfach zu manipulieren, die zum Trainieren von Deep-Learning-basierten Empfehlungssystemen verwendet werden.
Plug-and-Play-Implementierung eines Sprachmodells. Ermöglicht die Steuerung von Themen und Attributen von GPT-2-Modellen.
Das nnsight-Paket ermöglicht die Interpretation und Manipulation der Interna von tief gelernten Modellen.
Machine Learning/Tiefes Lernen/Python/Go-Sprache Vorstellungsgesprächsfragen und Schriftliche Prüfungen (Machine learning Deep Learning Python and Golang Interview Questions)
Sammlung von Webressourcen zu maschinellem Lernen und Deep Learning (Ressourcen zum maschinellen Lernen)
🔥 Ein autonomer KI-Agent, der deine Deep-Learning-Experimente 24/7 ausführt, während du schläfst. Kostenloses Monitoring, Leader-Worker-Architektur, konstant große Speicher.
Eine Werkzeugkiste für kompositionelle Operationen für die gradientenbasierte Bi-Level-Optimierung
[Neurips 2023] Generierung von Mario-Levels mit GPT2. Code für die Veröffentlichung "MarioGPT: Open-Ended Text2Level Generation through Large Language Models" https://arxiv.org/abs/2302.05981
Z80-μLM ist ein 2-Bit-quantisiertes Sprachmodell, das klein genug ist, um auf einem 8-Bit-Z80-Prozessor ausgeführt zu werden. Trainieren Sie Konversationsmodelle in Python, exportieren Sie diese als CP/M .COM-Binärdateien und chatten Sie mit Ihrem Vintage-Computer.
Ein Knowledge Hub für Datenengineering & maschinelles Lernen
Eine kuratierte, aber unvollständige Liste datenzentrierter KI-Ressourcen.
Erlernbare latente Einbettungen für die gemeinsame Verhaltens- und Neuronale Analyse – Offizielle Implementierung von CEBRA